南アフリカのワッツァーランド大学が行った新たな研究により、言語が世代を超えてどのように構造化されていくかが明らかにされました。この研究は人間の言語習得のメカニズムと、大規模人工知能モデルの振る舞いの両方に重要な示唆を与えます。研究チームは、子供のような特性を持つコンピュータ脳を構築し、人間の言語と類似したデータを与えて世代ごとの学習プロセスを観察しました。その結果、人工知能も子供と同様にデータから構造を見出し、世代を経るごとに言語が学習しやすいより構造化された形へ変化することが示されました。 研究を主導したデボン・ジャヴィス氏は、これは学習プロセスを容易にするための自然な進化であると説明しています。子供は初期段階で基礎的な概念から学び、徐々に複雑な理解へと発展させますが、この過程で過剰な一般化による誤解が生じます。例えば「鳥は飛ぶ」という知識を持つ子供は、飛べないペンギンを見て混乱しますが、この誤解を修正する過程を通じてより精密な世界理解を構築します。人間が親から子へ言語を伝達する際、複雑さのゆえに誤解や省略が生じますが、これらは無作為なものではなく、学習しやすい部分が維持され、構造化されていない部分が捨てられるという効果をもたらします。 研究者たちはこのプロセスを解明するために、脳の処理機能を模倣した深層線形ニューラルネットワークモデルを使用しました。その結果、この「反復学習」効果が機能するためには、ネットワークが十分な深さと複雑さを持つ必要があることが判明しました。層の浅いネットワークでは、言語が持つ構造的な規則性を捉えることはできませんでした。これは、学習システムのアーキテクチャと、それが置かれた環境の豊かさが、言語構造の吸収と伝達に決定的な役割を果たすことを意味します。 この知見は、近年の生成AIモデルがスケールに依存して創発的Capabilitiesを獲得する状況とも関連しています。ジャヴィス氏は、この研究が子供発達のモデルと言語学の反復学習理論を組み合わせることで、認知の基本原理を解明する有効な点であることを強調しています。単純な技術モデルであっても、分野間の交差点に認知の根本原理が存在することが示され、子供がどのように段階的に学習し、情報を再利用する傾向を持つかが、言語が進化して学習可能になる理由を説明していることが確認されました。